基于公开气象数据的珠江口风暴潮业务化预报框架

《Applied Ocean Research》:A storm surge operational forecast framework based on publicly-released meteorological data

【字体: 大 中 小 】 时间:2026年10月24日 来源:Applied Ocean Research 5.1

编辑推荐:

  专业翻译: 风暴潮是由热带气旋(TC)等强大气扰动引发的海面异常升高现象,对沿海地区构成重大威胁。在中国,2023年海洋灾害造成的直接经济损失中,超过99%源于风暴潮(MNR-PRC, 2024)。风暴潮的有效早期预报对于减灾和应急管理至关重要。 数值模型在风

  
专业翻译: 风暴潮是由热带气旋(TC)等强大气扰动引发的海面异常升高现象,对沿海地区构成重大威胁。在中国,2023年海洋灾害造成的直接经济损失中,超过99%源于风暴潮(MNR-PRC, 2024)。风暴潮的有效早期预报对于减灾和应急管理至关重要。 数值模型在风暴潮预报中扮演主要角色,目前已有若干国家级数值业务化预报系统建立。英国集合预报系统中,大陆架3号扩展(CS3X)风暴潮模型由英国气象局全球与区域集合预报系统(MOGREPS)的大气输出驱动(Flowerdew et al., 2013)。预报风暴潮的不确定性主要源于大气强迫的误差(Howard and Williams, 2021)。澳大利亚的风暴潮预报系统中,海水由非对称修正Rankine涡旋参数化风场模型驱动(Freeman et al., 2020)。预报风暴潮的不确定性通过比较由统计扰动引入TC路径、尺度和强度而生成的合成风暴结果来量化(如DeMaria et al., 2009;Yang and Xu, 2024)。在美国,自20世纪90年代初起,飓风引起的海、湖及陆上风暴潮模型(SLOSH)已被用于风暴潮业务化预报(Jelesnianski et al., 1992)。SLOSH中采用Jelesnianski参数化风场模型驱动海水,概率风暴潮(P-Surge)模块考虑了TC路径、强度和尺度误差导致的风暴潮不确定性(Penny et al., 2023)。中国官方风暴潮业务化预报系统PMOST中,采用由Fujita和Takahashi气压公式及Veno-Takeo风速公式组成的参数化风场模型,并通过模拟150个集合成员来考虑TC路径、强度和尺度的不确定性(Liu et al., 2020a)。与此不同,日本气象厅(JMA)的风暴潮业务化预报中,TC路径的不确定性被视为大气强迫变化的主要来源(Hasegawa et al., 2017)。 在这些国家级业务化预报系统中,风暴潮预报的不确定性主要源于TC路径、强度和尺度的预报误差。各国风暴潮业务化预报系统通常采用四种方法来考虑TC属性误差:(Ⅰ)纳入多机构的大气集合预报,如英国CS3X模型(Howard and Williams, 2021);(Ⅱ)使用多机构的热带气旋集合预报产品,但将固定偏差整合到TC路径或强度中,如中国PMOST系统(Liu et al., 2020a)和日本预报系统(Hasegawa et al., 2017);(Ⅲ)采用单一气象机构的官方大气预报,但基于该机构历史风暴预报误差生成合成风暴集合,如美国P-Surge模型(Penny et al., 2023);(Ⅳ)采用单一气象机构的官方大气预报,但通过向确定性TC属性引入统计扰动来生成合成风暴,如澳大利亚预报系统(Freeman et al., 2020)。不同国家级业务化预报系统关注的不确定性来源不同。例如,中国PMOST系统关注TC强度预报误差的影响(Liu et al., 2023;Fu et al., 2025),而日本系统将TC路径误差视为风暴潮预报不确定性的主要来源(Rezuanul Islam et al., 2023)。相应地,风暴潮预报不确定性对TC属性误差的敏感性呈现区域特异性(Resio et al., 2017;Kowaleski et al., 2020;Ramos-Valle et al., 2020)。在设计特定区域沿海地区的风暴潮业务化预报系统时,明确预报风暴潮不确定性的来源和程度至关重要。 本研究可作为区域尺度风暴潮业务化预报的范式。研究旨在为珠江口(PRE)开发一个可公开部署的区域风暴潮业务化预报框架。考虑到TC预报的开放可获取性和发布延迟,该框架采用公开发布的TC属性(路径、强度和尺度)而非风场集合预报产品(如欧洲中期天气预报中心(ECMWF)的集合预报(ENS)),因为前者更为及时且可供更广泛的用户获取。遵循上述多数国家级风暴潮业务化预报系统的做法,研究采用参数化风场模型,基于公开发布的TC属性重建TC风场和气压场。为考虑预报风暴潮的不确定性,采用多机构(如中国气象局(CMA)、联合台风警报中心(JTWC)和JMA)的预报数据,类似于英国CS3X模型中处理预报增水不确定性的方法。PRE人口密集、高度城市化且地势普遍低洼,极易遭受风暴潮引发的沿海洪涝灾害(如Yang et al., 2019;Jing et al., 2024;Wang et al., 2026a)。尽管过去十年中PRE风暴潮已被深入研究(如Yang et al., 2019;De Dominicis et al., 2020;Li et al., 2022;Qiu et al., 2022;Chi et al., 2024;Li et al., 2025;Ma et al., 2025;Zhang and Yu, 2025;Wang et al., 2026b),但业务化预报研究鲜有报道,且对业务化预报中的不确定性关注甚少。 从2023年至2025年8月,该基于公开数据的预报框架已成功应用于影响PRE的共13次TC事件引发的风暴潮业务化预报,特别关注澳门沿海地区的增水,并与澳门地球物理暨气象局(SMG)合作开展。在这些TC事件中,有三个对澳门影响显著,详见第2节及补充材料S1。这三个TC具有显著不同特征,尤其是超强台风“苏拉”(2309)和超强台风“小犬”(2314),两者强度高但尺度小,且靠近PRE海岸。本文展示了该框架在这三次事件中的表现,并评估了风暴潮预报中的不确定性。
论文解读文章
一、研究背景与问题
风暴潮是由热带气旋(TC)等强大气扰动引发的海面异常升高现象,对沿海地区构成重大威胁。在中国,2023年海洋灾害造成的直接经济损失中超过99%源于风暴潮。数值模型在风暴潮预报中发挥主要作用,目前多个国家已建立国家级数值业务化预报系统。英国CS3X模型由MOGREPS大气输出驱动,预报不确定性主要源于大气强迫误差;澳大利亚系统采用非对称修正Rankine涡旋参数化风场模型,通过统计扰动TC路径、尺度和强度生成合成风暴来量化不确定性;美国SLOSH模型采用Jelesnianski参数化风场模型,P-Surge模块考虑TC路径、强度和尺度误差;中国PMOST系统采用Fujita-Takahashi气压公式和Veno-Takeo风速公式,通过150个集合成员考虑不确定性;日本气象厅则将TC路径误差视为主要不确定性来源。
各国系统采用四种方法处理TC属性误差:纳入多机构大气集合预报、使用多机构集合预报并整合固定偏差、基于单一机构历史预报误差生成合成风暴、以及向确定性TC属性引入统计扰动。不同系统关注的不确定性来源不同,且风暴潮预报不确定性对TC属性误差的敏感性呈现区域特异性。因此,在设计特定区域沿海地区的风暴潮业务化预报系统时,明确预报不确定性的来源和程度至关重要。
珠江口(PRE)人口密集、高度城市化且地势普遍低洼,极易遭受风暴潮引发的沿海洪涝灾害。尽管过去十年PRE风暴潮已被深入研究,但业务化预报研究鲜有报道,对业务化预报中的不确定性关注甚少。本研究旨在为PRE开发一个可公开部署的区域风暴潮业务化预报框架,采用公开发布的TC属性而非风场集合预报产品,因前者更为及时且可供更广泛用户获取。
二、研究内容与结论
研究人员提出了一种基于公开气象数据的风暴潮业务化预报框架,整合了数据填补模块、风场重建模块和水动力模块三大模块。该框架采用多机构(CMA、JTWC、JMA及广州气象台)公开发布的TC预报数据,通过参数化风场模型重建TC风场和气压场,并考虑预报不确定性。从2023年至2025年8月,该框架已成功应用于影响PRE的13次TC事件引发的风暴潮业务化预报,与澳门地球物理暨气象局(SMG)合作,重点关注澳门沿海地区增水。
研究选取了台风“泰利”(2304)、超强台风“苏拉”(2309)和超强台风“小犬”(2314)三个对澳门影响显著的TC事件进行验证。这三个TC具有显著不同特征,尤其是“苏拉”和“小犬”均为高强度、小尺度台风,且靠近PRE海岸。研究展示了该框架在三次事件中的表现,并评估了风暴潮预报的不确定性。
三、关键技术方法
研究人员采用的主要技术方法包括:基于经验风压关系(WPR)的TC中心气压填补方法,用于填补JTWC预报中缺失的中心气压数据;基于卫星或多源观测的TC尺度信息修正的参数化风场模型校正方法,以提高TC风场精度;采用Holland参数化风场模型重建TC气压场和风场;以及水动力模型模拟水位变化。数据来源包括CMA、JTWC、JMA和广州气象台公开发布的TC预报数据,以及澳门SMG发布的气象和水文数据。
四、研究结果
4.1 数据填补模块
针对JTWC预报中缺失的TC中心气压数据,研究人员基于拟合的风压关系进行填补。该经验风压关系基于TC核心力平衡的量纲分析,可有效估计缺失的中心气压值。
4.2 风场重建模块
研究人员基于卫星或多源观测的TC尺度信息,对TC参数化风场模型进行修正。通过引入TC尺度信息,改进了TC风场的精度,特别是对于高强度、小尺度的台风事件。
4.3 水动力模拟
研究人员将重建的海平面气压场和风场,连同天文潮一起应用于水动力模块,模拟水位变化。该框架在“泰利”、“苏拉”和“小犬”三次台风事件中进行了后报验证,并在实际业务化预报中展示了良好表现。
4.4 不确定性评估
研究人员通过伪预报实验,定量评估了TC路径和强度预报误差导致的风暴潮预报不确定性。结果表明,风暴潮预报的不确定性主要源于TC路径和强度的预报误差。
五、讨论与结论
讨论部分指出,该框架可移植部署到其他区域,但存在一定局限性。不同区域的风暴潮预报不确定性对TC属性误差的敏感性存在区域特异性,因此在设计特定区域的预报系统时需明确不确定性来源和程度。研究结论表明,基于公开气象数据的风暴潮业务化预报框架能够有效应用于区域尺度风暴潮预报,为缺乏高分辨率风场集合预报产品的地区提供了一种可行的业务化预报方案。该框架在PRE的成功应用验证了其有效性和实用性,为其他区域的风暴潮业务化预报提供了参考范式。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号